Questa è l'app Windows denominata Bloom filter la cui ultima versione può essere scaricata come Version3.6.0sourcecode.zip. Può essere eseguito online nel provider di hosting gratuito OnWorks per workstation.
Scarica ed esegui online questa app denominata Bloom filter con OnWorks gratuitamente.
Segui queste istruzioni per eseguire questa app:
- 1. Scaricata questa applicazione sul tuo PC.
- 2. Entra nel nostro file manager https://www.onworks.net/myfiles.php?username=XXXXX con il nome utente che desideri.
- 3. Carica questa applicazione in tale file manager.
- 4. Avvia qualsiasi emulatore online OS OnWorks da questo sito Web, ma migliore emulatore online Windows.
- 5. Dal sistema operativo OnWorks Windows che hai appena avviato, vai al nostro file manager https://www.onworks.net/myfiles.php?username=XXXXX con il nome utente che desideri.
- 6. Scarica l'applicazione e installala.
- 7. Scarica Wine dai repository software delle tue distribuzioni Linux. Una volta installato, puoi quindi fare doppio clic sull'app per eseguirli con Wine. Puoi anche provare PlayOnLinux, un'interfaccia fantasiosa su Wine che ti aiuterà a installare programmi e giochi Windows popolari.
Wine è un modo per eseguire il software Windows su Linux, ma senza Windows richiesto. Wine è un livello di compatibilità Windows open source in grado di eseguire programmi Windows direttamente su qualsiasi desktop Linux. Essenzialmente, Wine sta cercando di re-implementare abbastanza Windows da zero in modo che possa eseguire tutte quelle applicazioni Windows senza effettivamente bisogno di Windows.
IMMAGINI
Ad
Filtri Bloom Bloom
DESCRIZIONE
Un filtro Bloom è una rappresentazione concisa/compressa di un insieme, in cui il requisito principale è effettuare query di appartenenza; cioè, se un elemento è un membro di un insieme. Un filtro Bloom riporterà sempre correttamente la presenza di un elemento nel set quando l'elemento è effettivamente presente. Un filtro Bloom può utilizzare molto meno spazio di archiviazione rispetto al set originale, ma consente alcuni "falsi positivi": a volte può segnalare che un elemento è nel set mentre non lo è. Quando costruisci, devi sapere quanti elementi hai (la capacità desiderata) e qual è il tasso di falsi positivi desiderato che sei disposto a tollerare. Un tasso comune di falsi positivi è dell'1%. Più basso è il tasso di falsi positivi, più memoria avrai bisogno. Analogamente, maggiore è la capacità, maggiore sarà la quantità di memoria utilizzata. Puoi costruire il filtro Bloom in grado di ricevere 1 milione di elementi con un tasso di falsi positivi dell'1%.
Caratteristiche
- Dovresti chiamare NewWithEstimates in modo conservativo
- La nostra implementazione accetta chiavi per l'impostazione e il test come [] byte
- A volte, il tasso effettivo di falsi positivi può differire (leggermente) dal tasso teorico di falsi positivi
- Un filtro Bloom ha due parametri: m, il numero di bit utilizzati nella memorizzazione e k, il numero di funzioni di hashing sugli elementi dell'insieme
- Quando costruisci, devi sapere quanti elementi hai (la capacità desiderata) e qual è il tasso di falsi positivi desiderato che sei disposto a tollerare
- Un filtro Bloom può utilizzare molto meno spazio di archiviazione rispetto al set originale
Linguaggio di programmazione
Go
Categorie
Questa è un'applicazione che può anche essere recuperata da https://sourceforge.net/projects/bloom-filters.mirror/. È stato ospitato in OnWorks per poter essere eseguito online nel modo più semplice da uno dei nostri Sistemi Operativi gratuiti.
